标称数据相似性相关系数的最佳方法

Question

我希望有人能在这方面帮助我（请）： 我想在一些文章特征（作者、类别、年份、影响因子、引文）之间进行相似性分析 我不知道如何对标称数据执行此操作，对于数值特征，我可以执行余弦相似度，但如何对标称数据执行此操作？ 先谢谢大家了！

Answer 1

虽然我不想推荐这种方法，但它似乎很受欢迎：

将您的类别编码为二进制属性。即：

A1=Car   ->  (1,0,0)
A1=Truck ->  (0,1,0)
A1=Bike  ->  (0,0,1)

然后您可以像处理文本一样继续。这实际上与将它们视为三个不同的单词相同。

它会起作用，但恕我直言，在连续数值之外没有“相关性”的概念。在文本上，它更像是一种黑客行为，而不是一种好的方法。